MIT提出人类示范+可验证奖励框架
burkov · x · 2026-07-13
这篇 CoNLL 2026 论文来自 MIT，提出一个对抗式生成-判别框架，把**人类示范**和**可验证奖励**结合起来。 作者的目标是让大语言模型同时优化两类能力：一类是客观、可验证的任务准确率；另一类是更主观、难以直接验证的人类风格与偏好质量。这个方向的重点在于：如何把“能测的指标”和“难测的人味”统一到一个训练框架里。
burkov · x · 2026-07-13
这篇 CoNLL 2026 论文来自 MIT，提出一个对抗式生成-判别框架，把**人类示范**和**可验证奖励**结合起来。 作者的目标是让大语言模型同时优化两类能力：一类是客观、可验证的任务准确率；另一类是更主观、难以直接验证的人类风格与偏好质量。这个方向的重点在于：如何把“能测的指标”和“难测的人味”统一到一个训练框架里。